Machine learningDeep learning / NLP / CV

Magyarázható NMF Témamodell

A magyarázható NMF témamodell a nemnegatív mátrixfaktorizációt — egy dokumentum-term mátrix részlet alapú dekompozícióját — olyan explicit értelmezhetőségi technikákkal kombinálja, mint a koherenciamértékek, a szó-hozzájárulási pontszámok és a SHAP-stílusú attribúciók, hogy a felfedezett témákat átláthatóvá és emberi olvasók által auditálhatóvá tegye.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

Források

  1. Lee, D. D., & Seung, H. S. (2001). Algorithms for non-negative matrix factorization. Advances in Neural Information Processing Systems, 13, 556–562. link
  2. Non-negative matrix factorization. Wikipedia. link

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Explainable Non-negative Matrix Factorization Topic Model. ScholarGate. https://scholargate.app/hu/deep-learning/explainable-nmf-topic-model

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateExplainable NMF Topic Model (Explainable Non-negative Matrix Factorization Topic Model). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/deep-learning/explainable-nmf-topic-model · Adatkészlet: https://doi.org/10.5281/zenodo.20539026